大数据时代的来临，带给我们众多的冲击，每个人都应当与时俱进、不断提升，放弃残缺的守旧思想，大胆接受新的挑战。探讨大数据时代将给我们带来哪些变革，首先要搞清楚什么是大数据，其次要厘清大数据会带来哪些变革，最后要思考如何应对大数据时代的挑战。

　　大数据变革人性思维

　　现如今人们不再认为数据是静止和陈旧的。但在以前，一旦达到了收集数据的目的之后，数据就会被认为已经没有用处了。比方说，在飞机降落之后，票价数据就没有用了（对谷歌而言，则是一个检索命令完成之后）。

　　社会发展到今天，数据已经成为了一种商业资本、一项重要的经济投入，可以创造新的经济利益。事实上，一旦思维转变过来，数据就能被巧妙地用来激发新产品和新型服务。数据的奥妙只为谦逊、愿意聆听且掌握了聆听手段的人所知。

　　信息社会所带来的好处是显而易见的：每个人口袋里都揣有一部手机，每台办公桌上都放有一台电脑，每间办公室内都拥有一个大型局域网。但是，信息本身的用处却并没有如此引人注目。半个世纪以来，随着计算机技术全面融入社会生活，信息爆炸已经积累到了一个开始引发变革的程度。它不仅使世界充斥着比以往更多的信息，而且其增长速度也在加快。信息总量的变化还导致了信息形态的变化——量变引发了质变。最先经历信息爆炸的学科，如天文学和基因学，创造出了“大数据”这个概念。如今，这个概念几乎应用到了所有人类致力于发展的领域中。

　　大数据并非一个确切的概念。最初，这个概念是指需要处理的信息量过大，已经超出了一般电脑在处理数据时所能使用的内存量，因此工程师们必须改进处理数据的工具。这导致了新的处理技术的诞生，例如谷歌的Map-Reduce和开源Hadoop平台（最初源于雅虎）。这些技术使得人们可以处理的数据量大大增加。更重要的是，这些数据不再需要用传统的数据库表格来整齐地排列——一些可以消除僵化的层次结构和一致性的技术也出现了。同时，因为互联网公司可以收集大量有价值的数据，而且有利用这些数据的强烈的利益驱动力，所以互联网公司就顺理成章地成为最新处理技术的领头实践者。它们甚至超过了很多有几十年经验的线下公司，成为新技术的领衔使用者。

　　今天，一种可能的方式是，认为大数据是人们在大规模数据的基础上可以做到的事情，而这些事情在小规模数据的基础上是无法完成的。大数据是人们获得新的认知，创造新的价值的源泉；大数据还是改变市场、组织机构，以及政府与公民关系的方法。

　　这仅仅是一个开始，大数据时代对我们的生活，以及与世界交流的方式都提出了挑战。最惊人的是，社会需要放弃它对因果关系的渴求，而仅需关注相关关系。也就是说只需要知道是什么，而不需要知道为什么。这就推翻了自古以来的惯例，而我们作决定和理解现实的最基本方式也将受到挑战。

　　大数据改变商业规则

　　大数据的悄然来临，让一切都发生着变化，大数据轻轻地叩响了时代的大门，将我们带入大数据时代，蓦然发现每个人都与数据有着千丝万缕的联系，我们通过社交网络来表达自己的喜怒哀乐，网络购物的一些记录透露着我们购物的喜好。

　　在这个数字世界中，我们生活中的点点滴滴都以数字化的形式记录下来，点滴的数字汇聚成数据的海洋。大数据的分析洞察，架起了消费者与产品设计者之间的联系，大数据时代的背景下，新的商业规则正在被改写。

　　一、大数据背后的游戏产业

　　以往，游戏公司生产出一款游戏，期待着它能够被喜欢，经测试发布后，他们会根据游戏的受欢迎程度而选择是否发布新版本或者重新开发一个新的游戏。这种模式完全靠游戏设计师的设计灵感，如果恰恰符合了玩家的口味，那么游戏就会大受欢迎，否则这款游戏就会很快被遗忘，试想这种靠游戏厂家单向输出所生产出的游戏火起来的概率有多大?然而大数据时代下，这种游戏经营模式将会被改写，游戏生产者可以收集玩家的数据记录，他们在发现玩家玩到哪个地方会难以过关或者因为某一关不对胃口不想玩的时候及时地去修改这些地方，同时他们也会对同一个游戏设计不同的版本，对不同玩家提供适合他们的版本。大数据为玩家和游戏设计者之间架起一座“沟通”之桥，大大地提升了游戏成功的概率。

　　二、大数据背后的购物网站

　　近年来，随着网络购物的迅速崛起，天猫和京东都取得了惊人的成绩，然而它们的成功远不止于此，每天因海量交易而留下的数据记录或将成为他们更大的财富。表面上的一条条数据记录，经过大数据的分析处理就是人们的购物习惯，天猫和京东最懂什么样的内衣是女人们的最爱，什么价位的电子产品的销量最大，男人最喜欢买什么样的东西送给女人。因此，生产商在准备设计生产某一款产品时，可以借助天猫、京东这些网购平台的大数据来为自己的新产品的设计提供可靠的依据。比如，手机生产厂家可以分析什么价位的手机更容易让人接受，电池的容量与手机的销售量的关系，女性手机像素分辨率的高低对手机销售的影响，等等，如果掌握了这些信息，那么做出的产品成为爆款的可能性就会大大增加。

　　三、大数据时代的电影产业

　　《泰囧》的出现给人眼前一亮的感觉，大众纷纷表示这年头烂片太多，像《泰囧》这样的电影实在太少，那么在大数据时代，我们是否能将一部电影的成功率提高呢?TheNumbers.com收集了过去几十年美国所有商业电影的信息，包括影片的类型、主角、预算、获得的奖项以及票房，因此他们可以在一部好莱坞电影上映之前利用海量数据和特定算法预测出电影的票房。同时，该公司也可以对一部正在拍摄的电影提出建设性的意义，比如，B角色启用YY演员票房会增长多少。因此，在未来的电影业中，大数据的介入给我们了更加可靠的决策依据，减少了影片成为烂片的可能。

　　大数据产生的影响力已经超出了人们想象，大数据正在摧毁着一个旧时代，也在塑造一个新时代，大数据作为一种数字媒介正在被越来越多的生产者所关注，他们通过大数据来发现消费者的喜爱，发现自己产品的不足，从而改变了以往“闭门造车”的局面，让自己的产品设计者走上了和用户交流的“前线”，借助大数据这座消费者与产品设计者的沟通之桥，新的商业规则正在慢慢形成。

　　大数据驱动商业模式创新

　　大数据作为继云计算、物联网之后IT 产业又一次颠覆性的技术变革，必将对现代企业的管理运作理念、组织业务流程、市场营销决策以及消费者行为模式等产生巨大影响，使得企业商务管理决策越来越依赖于数据分析而非经验甚至直觉。美国有句谚语叫“除了上帝，任何人都必须用数据来说话”,如何利用大数据这种新型的信息处理方式，通过收集、处理庞大而复杂的数据信息，从中获取知识和洞察，由数据驱动业务转型，探索并发现新的商机、对客户和市场进行新的洞察，实现业务创新和流程创新，这就是大数据的价值。

　　一、颠覆传统意义上的金融业务模式创新

　　阿里集团坐拥数家交易平台如支付宝、淘宝、天猫、阿里金融等，其积累的数据达14 年之久，利用这些大数据，阿里金融基于海量的客户信用数据和行为数据，建立了网络数据模型和一套信用体系。基于这套信用体系，微贷企业可以获得从500 元到100 万元不等的信用贷款。阿里金融打破了传统的金融模式，使贷款不再需要抵押品和担保，而仅依赖于数据，使企业能够迅速获得所需要的资金。阿里金融的大数据应用和业务创新，改变了游戏规则，对传统银行业带来了挑战。近几年网络借贷公司的兴起，正是基于类似的商业模式创新，发展非常迅猛。

　　二、有助于财务精益分析的实现

　　目前，企业在日常的生产和经营过程中积累了大量的交易数据，主要是结构化数据，同时通过其他社交网络媒体、传感器等产生了大量的即时信息，主要是非结构化数据，大数据分析的目的，是要实现这两类数据的集成与融合，增强企业的洞察力。“大交易数据”和“大交互数据”的融合，充分分析结构化和非结构化数据，往往可以帮助企业找到潜在的商机，发现新的业务亮点。大数据和精益财务分析结合的意义在于揭示数据“是什么”而非“为什么”。比如，目前库存周转率比较低，请予以改善，太笼统，而应该给出具体建议，精益财务分析通过大数据的信息加工达成管理建议的目的，马上演进为企业的管理行动，如某品牌4GB 内存条已低于安全库存，建议补充1000 条，提供具体的管理行动。这就是大数据和精益财务分析相结合的意义所在。再如快速消费品CPG(Consumer Package Goods)/零售行业，最大的挑战是对高度易腐烂和需求高度变化的商品的库存管理，降低库存减少或缺货产生高昂的成本，如果在关键库存货物上安装传感器，就可以实时监控库存的变化，通过实时大数据的跟踪和分析，企业可以近乎实时地调整价格，以控制需求并根据需要自动订购更多库存，提高库存管理效率，从而降低成本。

　　三、促进制造业从传统的以生产为核心向以客户需求为核心转型

　　随着企业信息化逐步深入、数据积累到一定量之后，如何从这些数据中挖掘出更有价值的信息，来获得深刻的客户洞察，及时捕捉客户需求的变化趋势，这就需要制造企业以客户为导向，了解客户的兴趣、偏好，通过各种渠道来获得用户对产品的反馈，需要处理好大数据，了解客户行为，将客户喜欢的产品及时交付。通过对大数据的获取、发掘和分析，企业可以更加经济地从多样化的数据源中获得更大价值，促进制造业按客户需求转型。

　　四、大数据驱动高级分析与预测决策

　　大数据的价值在于数据挖掘和预测，大数据的实时分析，以恰当的方式随时随地为人们提供信息和全新洞察力、个性化洞察力、感知和响应、高级计划与预测，能够把大数据变成宝贵的信息，呈现前所未知的洞察。企业可以建立预测性的模型、将商务分析演变成聚合洞察力，把预测变成科学，充分挖掘明天的竞争优势，带来无限的可能性，根据分析结果，提供给客户更个性化的体验，引领行业创新应用革新，看到商机、预测风险、发现新的机会，胸有成竹地预测未来趋势，实时预测与行动。比如，企业可以根据大数据分析所提供的结果信息，实施新的服务模式如预测性维修，根据预测数据建立机器问题实时通信提醒，预约维修服务，提供给客户更高品质的维修保障，享受更加贴心的关怀体验。

　　五、实时商务智能

　　大数据时代商务分析与传统BI （Business Intelligence）的区别在于：传统的商务智能分析，主要是对过去的数据、历史信息进行分析和报告呈现。例如，对会计报表数据进行分析，传统的商务智能分析，主要问题是分析结果滞后，不能实时预测结果并采取行动，大数据商务分析最主要的特点是实时性，可以通过系统自动调取KPI指标，即时呈现分析结果。比如可以实现实时交流，能够满足客户定制化的需求，达到一对一的营销效果； 实时采取促销手段，实时调整定价策略，洞察客户的行为； 实时毛利分析，为营销提供战略支持；提供实时报告和分析，使企业获得实时商业洞察，充分发挥实时商务智能的优势。

　　六、行业的聚合与无界新趋势

　　大数据所具有的在区域之间、行业之间和企业部门之间的穿透性，正在颠覆传统的、线性的、自上而下的精英决策模型，正在形成非线性的、面向不确定性的、自下而上的决策基础。随着互联网的飞速发展，融合已经成为新经济环境下不可避免的趋势，这种趋势将打破和跨越很多原来曾经存在的边界。如果企业不想被困在一个墨守成规的旧世界，就必须努力跨越数字的界限，消除IT 边界的限制以及业务流程的限制，对于企业来说，聚合具有极其重大的意义，它们能够通过这种方式来提升用户体验，吸引更多的客户，从而建立自己的核心竞争力。聚合也给软件和IT 服务企业带来前所未有的机遇。当所有企业都在聚合并跨越过去行业壁垒的时候，技术将会带来全新的革命。

　　大数据引领金融业变革

　　在由中国支付清算协会和工信部电信研究院共同举办的“金融大数据应用业务研讨会”上，来自金融产业、电信运营企业、行业组织以及研究院所的嘉宾汇聚一堂，共同探讨金融大数据的应用和发展。当前，大数据和传统金融业正在加快融合发展的步伐，利用先进的大数据分析技术，传统金融业正在展开一系列的业务创新。纵观全球，大数据正在引领传统金融业的变革。

　　一、金融业呼唤大数据

　　金融业的发展需要大数据技术的支撑。中国支付清算协会副秘书长马国光在研讨会上指出，金融行业作为与人民群众密切相关的行业，具有采用大数据技术的现实需要。这主要体现在三个方面，分别是金融行为分析需求、风险控制需求和互联网金融需求。

　　专家认为，大数据可以助力金融行业展开用户行为分析。通过大数据分析技术，金融行业可以掌握用户的信贷、理财、消费等习惯，从而在市场预测、资源配置、用户个性化服务、支付创新等方面提供指导；大数据还有利于金融业的风险控制，当前传统的基于线下的风险管理模式已经不能适应互联网时代的发展需要，开放的互联网环境为金融欺诈提供了便利，未来风险识别与服务的核心将是数据，只有通过大数据进行建模分析，发现金融风险产生的行为模式，才能不断完善黑名单和可疑交易监控规则，强化金融风险的管控；大数据将推动互联网金融的发展。目前，互联网金融正在快速发展，金融大数据作为互联网金融的有力支撑，不仅带来了金融服务和产品创新以及用户体验的改善，同时还创造了新的业务处理和经营管理模式，给金融服务提供商的组织结构、数据需求与管理、用户特征、产品创新力来源、信用和风险特征等方面带来积极影响，日益成为互联网金融发展的核心领域。

　　“数据将在跨界融合中发挥最大价值，”工信部电信研究院副院长刘多认为，金融和大数据的融合，将促进金融企业和互联网企业形成技术和数据上的互补，双方通过加强数据资源上的合作，将为大数据价值的发挥开辟新的空间。

　　“大数据在金融行业的应用非常有必要”，中国电信集团市场部处长王兴刚表示，金融行业拥有对大数据应用的需求。在客户满意度的打造上，大数据的应用有利于优化产品，提供场景服务、精细关怀以提高客户满意度；在价值增长上，大数据可以针对客户群体进行针对性营销，提升业绩，实现价值增长；在风险控制上，大数据有利于实现风险监控，洞察行业及客户特征，多途径、实时对贷款业务进行风险把控；在合规监管上，利用大数据进行合规监管，可以实现对可疑事件提前预警。

　　大数据将助力金融业务发展。中国银联电子支付研究院助理院长何朔认为，大数据是发掘银行卡产业数据矿藏的首选工具。当前，海量的银行卡中隐藏了大量的有价值的数据信息，大数据分析技术有能力将这些价值挖掘出来，推动银行卡业务的未来发展。近年来，银联就借助大数据技术展开了一系列创新实践，如发布银行卡消费信心指数（BCCI）、围绕核心客户展开数据挖掘、为用户提供历史交易查询统计等。

　　二、大数据的大价值

　　数据的价值不容忽视。马国光说，随着存储技术的成熟以及互联网技术对各行各业改造的不断深化，数据量的积累正在达到一个非常可观的程度，而数据的价值也正在经历一个质变到量变的过程，当前大数据的商业价值和社会价值正在逐步体现：一方面，对大数据的掌握程度可以转化为经济价值的来源；另一方面，大数据正在推动社会各个领域的发展，从商业到医疗、教育、经济以及人文等。尤为值得一提的是，大数据分析技术在金融领域的应用已经取得了一定的成功。例如Visa通过大数据对可疑交易进行分析，将原来一个月的分析时间缩短到了13分钟。

　　将“大数据”转换成“大价值”并不是一件容易的事情。“大多数传统企业还没有找到实现这种转变的有效模式。”刘多表示，大数据的理念、技术和应用模式都源于互联网，目前其正在从互联网向更广阔的领域扩散。不过值得注意的是，大数据技术需要进行改造之后才能适用于金融、电信等行业，这其中模式和技术的适配需要一个较长的过程，需要应用部门、服务商和解决方案提供商等环节携手探索。

　　在挖掘大数据价值的同时，也需要注重对数据安全的保护。刘多指出，随着大数据分析日渐精准且应用领域的扩展，个人隐私保护和数据安全的挑战日渐突出。目前，我国个人信息保护、数据跨境流动等方面的法律法规尚不健全。在这种情况下，需要依托行业组织，总结大数据隐私与安全保护的最佳实践，达成共识，在试点成熟后上升为标准或法律法规并推动实施，才能逐步构建大数据应用的安全防线。

　　刘多表示，大数据资源“错位”的现象也不容忽视。当前，在大数据的发展中出现了有的行业有数据没需求，有的行业则是有数据没技术的情况，这种“错位”会在一定程度上制约大数据的发展。刘多强调，要想让数据发挥最大价值，就需要推动不同行业在数据资源上开展合作，互通有无，促进数据在跨界融合中发挥最大价值。

　　大数据颠覆传统媒体行业

　　多国报业公司破产、停刊传递了哪些信号？谷歌是互联网公司？还是手机制造商？抑或是电信服务商？千面谷歌的背后其盈利的主要来源是大数据驱动的精准广告。数据量越大，谷歌的广告越精准，收入将越高。所以谷歌开创了一个精美绝伦的商业模式，免费地给大家使用各种优秀的服务，而谷歌只是拿走了大家使用的数据，去找广告主收费。谷歌成功地推动大数据飞轮高速旋转，重压之下，以广告为生的报纸、杂志举步维艰也就不足为奇了。

　　没有人比美国总统更善于营销，新的趋势是数据驱动的营销对奥巴马——美国历史上的第44位总统的续任起到了巨大作用，也是研究美国2012大选中的一个关键元素。这同时也是一个信号，表明华盛顿那些基于直觉与经验决策的竞选人士的优势在急剧下降，取而代之的是数量分析专家与电脑程序员的工作，他们可以在大数据中获取信息，洞察选举形势。在政治营销领域，大数据的时代已经到来。

　　传媒业市场规模庞大，且在高速成长，新技术、新商业模式、更多维度、更大规模的数据资产综合运用，将会催生下一个巨人。

　　“中新社柏林2012年12月2日电，德国平面媒体业目前正经历着联邦德国建国以来最大倒闭潮。三家有影响的报纸月内连续宣告破产，造成上千人失业。两周前宣告破产的《法兰克福论坛报》带来的震惊尚未消除，《德国金融时报》也在日前宣告即将停刊，加上之前已消失的《纽伦堡晚报》，德国报业出现了有史以来规模最大的破产现象。”

　　与这些倒闭的报纸形成的鲜明对照，谷歌一天赚一亿美元广告费的故事令人津津乐道。百度同样也有不俗的表现，2012年，百度的广告收入超过了中央电视台。不久的将来，恐怕“中国第一媒体的王冠”不再仅仅属于CCTV。

　　大数据时代，人们获取信息和传播信息的渠道、方法，都发生了根本性的变化。媒体行业正处在被颠覆的阵痛中，未来将是那些拥有大量数据资产的公司，掌握媒体的话语权！

　　一、大数据带来巨大机遇

　　1.大数据颠覆传媒业。当前，我们已经进入大数据时代，主要标志就是已经从内容稀缺时代转变为信息过载时代，这对传媒业带来了革命性影响。一是信息量指数式增长。相关研究表明，从2007年到2013年，人类存储的数据量从300EB快速增加到1.2ZB，增长了数倍，而其中非数字数据只占不到2%。二是信息内容更加丰富。除了传统媒体生产的原创内容之外，一方面由于博客、微博、微信等很多自媒体平台的出现，大量的、高质量的自媒体内容层出不穷；另一方面由于互联网的海量空间使得以往不可能获得版面的生活服务类信息可以传递给用户，而且对于广大用户来讲，这些资讯比新闻的用户黏度更高。因此，新闻和内容的稀缺性进一步被稀释，其价值也必然被降低，也越来越难以收费。三是基于大数据的互联网媒体正在快速颠覆传媒业旧格局。一方面，在广告市场方面，根据国家工商总局的数据，2013年，所有媒体的发布费用为2144.13亿元，其中电视为1101.10亿元，同比下滑2.75%；报社为504.70亿元，同比下滑9.17%。可以看出，我国互联网广告已经成为仅次于广电的第二大广告市场，而2014年会超过广电，成为我国第一大广告行业。并且由于互联网依然保持着40%左右的增长速度，而传统媒体却呈现下滑趋势，可以预测在未来5年内，互联网广告会占据绝大多数媒体发布费用。另一方面，互联网媒体正在大量分流传统媒体的用户和人才。

　　2.基于大数据的产业融合加速进展。以大数据为代表的互联网技术打破了既有产业之间的界线，把之前界线分明的产业融合在一起，形成新的产业蓝海。传媒业也在互联网技术的推动下，不断和其他产业融合成新的产业。一是传媒业与通信业以及IT业融合成新的信息服务业。未来新的信息服务业潜力巨大，根据国务院正式发布的《关于促进信息消费扩大内需的若干意见》：到2015年，信息消费规模将超过3.2万亿元，年均增长20%以上；带动相关行业新增产出超过1.2万亿元。其中基于互联网的新型信息消费规模达到2.4万亿元，年均增长30%以上；基于电子商务、云计算等信息平台的消费快速增长，电子商务交易额超过18万亿元，网络零售交易额突破3万亿元。从中可以看出，大数据必然是信息服务业的基础。二是传统零售业和IT业融合成电子商务业。三是传统金融业和IT业融合成互联网金融业。

　　3.基于大数据的互联网生态系统快速形成。随着传媒业竞争程度日益的加剧，传媒业竞争的关键也从以前的“内容”、“产品”、“平台”上升为“商业生态系统”。一是未来商业生态系统将是竞争的主体，阿里巴巴的生态系统由信用体系、金融体系、社会化大物流体系、小企业工作平台和大数据系统所组成。需要着重说明的是，在生态系统竞争层面，未来传媒平台仅仅是生态系统的一个标配，虽然起着关键作用，但是已经不是收入的主体。而且内容、产品、平台到生态系统是一个逐级向上发展的关系，后者包括前者又是前者的升级版和高级版，后者又在不断地颠覆或替代前者。二是生态系统时代运作的关键点是“商业生态系统”，其优势在于自组织、自强化和涌现等。例如，在自强化方面，由于阿里巴巴能够精准地掌握商户的商业信息，其在为商户提供贷款时，就具有很强的风控能力，而风控能力是金融业最为关键的能力，因此，阿里巴巴就能够更好地为在其平台上运作的商户提供金融服务。

　　二、大数据为传统媒体业带来重大挑战

　　1.出现了信息的过度充裕和满足于用户个性化、定制化需求的信息的极度匮乏之间的突出矛盾，每个人都像生活在信息的汪洋大海中，但又找不到有效信息的信息乞丐一样。传统媒体在各种新的传播媒介和方式上不断探索，通过手机报、网络媒体和客户端、官方微博等方式，积极进入各种渠道和终端，但是一直不能解决至关重要的盈利模式问题，而根本问题是缺乏基于大数据的技术平台，其提供的内容难以有效匹配给用户。

　　2.传统媒体的大数据能力弱。一是我国的大部分传统媒体还依然是小、散、弱的现状，导致很难形成大型的高质量的信息平台。二是由于同质化等原因，导致信息大量重复，也给信息的筛选和提炼带来了很多困难。三是大数据分析高度依赖于用户规模和技术，而这些都是传统媒体的短板，当前最大的数据分析公司是谷歌、Facebook、阿里巴巴以及腾讯等具有高科技技术的互联网公司。

　　大数据冲击金融行业

　　一、大数据对我国金融业的影响

　　正在来临的大数据时代，金融机构之间的竞争将在网络信息平台上全面展开，说到底就是“数据为王”。谁掌握了数据，谁就拥有风险定价能力，谁就可以获得高额的风险收益，最终赢得竞争优势。

　　中国金融业正在步入大数据时代的初级阶段。经过多年的发展与积累，目前国内金融机构的数据量已经达到100 TB以上级别，并且非结构化数据量正在以更快的速度增长。金融机构行在大数据应用方面具有天然优势：一方面，金融企业在业务开展过程中积累了包括客户身份、资产负债情况、资金收付交易等大量高价值密度的数据，这些数据在运用专业技术挖掘和分析之后，将产生巨大的商业价值；另一方面，金融机构具有较为充足的预算，可以吸引到实施大数据的高端人才，也有能力采用大数据的最新技术。

　　总体看，正在兴起的大数据技术将与金融业务呈现快速融合的趋势，给未来金融业的发展带来重要机遇。

　　第一，大数据推动金融机构的战略转型。在宏观经济结构调整和利率逐步市场化的大环境下，国内金融机构受金融脱媒的影响日趋明显，表现为核心负债流失、盈利空间收窄、业务定位亟待调整。业务转型的关键在于创新，但现阶段国内金融机构的创新往往沦为监管套利，没有能够基于挖掘客户内在需求，提供更有价值的服务。而大数据技术正是金融机构深入挖掘既有数据，找准市场定位，明确资源配置方向，推动业务创新的重要工具。

　　第二，大数据技术能够降低金融机构的管理和运行成本。通过大数据的应用和分析，金融机构能够准确地定位内部管理缺陷，制订有针对性的改进措施，实行符合自身特点的管理模式，进而降低管理运营成本。此外，大数据还提供了全新的沟通渠道和营销手段，可以更好地了解客户的消费习惯和行为特征，及时、准确地把握市场营销效果。

　　第三，大数据技术有助于降低信息不对称程度，增强风险控制能力。金融机构可以摈弃原来过度依靠客户提供财务报表获取信息的业务方式，转而对其资产价格、账务流水、相关业务活动等流动性数据进行动态和全程的监控分析，从而有效提升客户信息透明度。目前，花旗、富国、UBS等先进银行已经能够基于大数据，整合客户的资产负债、交易支付、流动性状况、纳税和信用记录等，对客户行为进行360度评价，计算动态违约概率和损失率，提高贷款决策的可靠性。

　　当然，也必须看到，金融机构在与大数据技术融合的过程中也面临诸多挑战和风险。

　　第一，大数据技术应用可能导致金融业竞争版图的重构。信息技术进步、金融业开放以及监管政策变化，客观上降低了行业准入门槛，非金融机构更多地切入金融服务链条，并且利用自身技术优势和监管盲区占得一席之地，例如阿里和腾讯。而传统金融机构囿于原有的组织架构和管理模式，无法充分发挥自身潜力，反而可能处于竞争下风。

　　第二，大数据的基础设施和安全管理亟待加强。在大数据时代，除传统的账务报表外，金融机构还增加了影像、图片、音频等非结构化数据，传统分析方法已不适应大数据的管理需要，软件和硬件基础设施建设都亟待加强。同时，金融大数据的安全问题日益突出，一旦处理不当可能遭受毁灭性损失。近年来，国内金融企业一直在数据安全方面增加投入，但业务链拉长、云计算模式普及、自身系统复杂度提高等，都进一步增加了大数据的风险隐患。

　　第三，大数据的技术选择存在决策风险。当前，大数据还处于运行模式的探索和成长期，分析型数据库相对于传统的事务型数据库尚不成熟，对于大数据的分析处理仍缺乏高延展性支持，而且它主要仍是面向结构化数据，缺乏对非结构化数据的处理能力。在此情况下，金融企业相关的技术决策就存在选择错误、过于超前或滞后的风险。大数据是一个总体趋势，但过早进行大量投入，选择了不适合自身实际的软硬件，或者过于保守而无所作为都有可能给金融机构的发展带来不利影响。

　　二、如何将大数据应用于金融企业

　　尽管大数据在金融企业的应用刚刚起步，目前影响还比较小，但从发展趋势看，应充分认识大数据带来的深远影响。在制定发展战略时，董事会和管理层不仅要考虑规模、资本、网点、人员、客户等传统要素，还要更加重视对大数据的占有和使用能力，以及互联网、移动通信、电子渠道等方面的研发能力；要在发展战略中引入和践行大数据的理念和方法，推动决策从“经验依赖”型向“数据依靠”型转化；要保证对大数据的资源投入，把渠道整合、信息网络化、数据挖掘等作为向客户提供金融服务和创新产品的重要基础。

　　1.推进金融服务与社交网络的融合

　　我国金融企业要发展大数据平台，就必须打破传统的数据源边界，注重互联网站、社交媒体等新型数据来源，通过各种渠道获取尽可能多的客户和市场资讯。一是要整合新的客户接触渠道，充分发挥社交网络的作用，增强对客户的了解和互动，树立良好的品牌形象。二是注重新媒体客服的发展，利用论坛、微博、微信、聊天工具等网络工具将其打造成为与电话客服并行的服务渠道。三是将企业内部数据和外部社交数据互联，获得更加完整的客户视图，进行更高效的客户关系管理。四是利用社交网络数据和移动数据等进行产品创新和精准营销。五是注重新媒体渠道的舆情监测，在风险事件爆发之前就进行及时有效的处置，将声誉风险降至最低。

　　2.处理好与数据服务商的竞争、合作关系

　　当前各大电商平台上，每天都有大量交易发生，但这些交易的支付结算大多被第三方支付机构垄断，传统金融企业处于支付链末端，从中获取的价值较小。为此，金融机构可考虑自行搭建数据平台，将核心话语权掌握在自己的手中。另一方面，也可以与电信、电商、社交网络等大数据平台开展战略合作，进行数据和信息的交换共享，全面整合客户有效信息，将金融服务与移动网络、电子商务、社交网络等融合起来。从专业分工角度讲，金融机构与数据服务商开展战略合作是比较现实的选择；如果自办电商，没有专业优势，不仅费时费力，还可能丧失市场机遇。

　　3.增强大数据的核心处理能力

　　一是强化大数据的整合能力。这不仅包括金融企业内部的数据整合，更重要的是与大数据链条上其他外部数据的整合。目前，来自各行业、各渠道的数据标准存在差异，要尽快统一标准与格式，以便进行规范化的数据融合，形成完整的客户视图。同时，针对大数据所带来的海量数据要求，还要对传统的数据仓库技术，特别是数据传输方式ETL（提取、转换和加载）进行流程再造。二是增强数据挖掘与分析能力，要利用大数据专业工具，建立业务逻辑模型，将大量非结构化数据转化成决策支持信息。三是加强对大数据分析结论的解读和应用能力，关键是要打造一支复合型的大数据专业团队，他们不仅要掌握数理建模和数据挖掘的技术，还要具备良好的业务理解力，并能与内部业务条线进行充分的沟通合作。

　　4.加大金融创新力度，设立大数据实验室

　　可以在金融企业内部专门设立大数据创新实验室，统筹业务、管理、科技、统计等方面的人才与资源，建立特殊的管理体制和激励机制。实验室统一负责大数据方案的制订、实验、评价、推广和升级。每次推行大数据方案之前，实验室都应事先进行单元试验、穿行测试、压力测试和返回检验；待测试通过后，对项目的风险收益做出有数据支撑的综合评估。实验室的另一个任务是对“大数据”进行“大分析”，不断优化模型算法。在“方法论上，要突破美国FICO式的传统评分模式，针对大数据的非结构化特征，依靠云计算等海量分析工具，开发具备自学习功能的非线性模型。目前市场上的许多新技术，如谷歌Map Reduce框架下的Hadoop或Hive等分析系统，具备较强的整合分析功能，可促进大数据向价值资产的转换。

　　5.加强风险管控，确保大数据安全

　　大数据能够在很大程度上缓解信息不对称问题，为金融企业风险管理提供更有效的手段，但如果管理不善，“大数据”本身也可能演化成“大风险”。大数据应用改变了数据安全风险的特征，它不仅需要新的管理方法，还必须纳入到全面风险管理体系，进行统一监控和治理。为了确保大数据的安全，金融机构必须抓住三个关键环节：一是协调大数据链条中的所有机构，共同推动数据安全标准，加强产业自我监督和技术分享；二是加强与监管机构合作交流，借助监管服务的力量，提升自身的大数据安全水准；三是主动与客户在数据安全和数据使用方面加强沟通，提升客户的数据安全意识，形成大数据风险管理的合力效应。

　　大数据决定企业竞争力

　　大数据成为许多公司竞争力的来源，从而使整个行业结构都改变了。当然，每个公司的情况各有不同。大公司和小公司最有可能成为赢家，而大部分中等规模的公司则可能无法在这次行业调整中尝到甜头。

　　亚马逊和谷歌一样的行业领头羊会一直保持领先地位，但是和工业时代不一样，它们的企业竞争力并不是体现在庞大的生产规模上。已经拥有的技术配备规模固然很重要，但那也不是它们的核心竞争力，逼近如今已经能够快速而廉价地进行大量的数据存储和处理了。公司可以根据实际需要调整它们的计算机技术力量，这样就把固定投入变成了可变投入，同时也削弱了大公司的技术配备规模的优势。

　　大数据向小数据时代的赢家以及那些线下大公司提出了一挑战，后者必须意识到大数据的威力然后有策略地收集和使用数据。同时，科技创业公司和新兴行业中的老牌企业也准备收集大量的数据。

　　在过去十年里，航空打洞机制造商劳斯莱斯通过分析产品使用过程中收集到的数据，实现了商业模式的转型。坐落于英格兰德比郡的劳斯莱斯运营中心一直监控着全球范围内超过3700架飞机的引擎运行情况，为的就是能在故障发生之前发现问题。数据帮助劳斯莱斯把简单的制造转变成了有附加价值的商业行为；劳斯莱斯出售发动机，同时通过按时计费的方式提供有偿监控服务。如今，民用航空发动机部门大约70%的年收入都是来自其提供服务所赚得的费用。

　　大数据也为小公司带来了机遇。用埃里克教授的话说就是，聪明而灵活的小公司能享受到非固有资产规模带来的好处。这也就是说，它们可能没有很多的固定资产但是存在感非常强，也可以低成本地传播它们的创新成果。重要的是，因为最好的大数据服务都是以创新思维为基础的，所以它们不一定需要大量的原始资本投入。数据可以授权但是不能被占有，数据分析能在云处理平台上快速而且低成本地进行，而授权费用则应从数据带来的利益中抽取一小部分。

　　大大小小的公司都能从大数据中获利，这个情况很有可能并不只是适用于使用数据的公司，也适用于掌握数据的公司。大数据拥有者想尽办法想增加它们的数据数量，因为这样能以极小的成本带来更大的利润。首先，它们已经具备了存储和处理数据的基础。其次，数据库的融合能带来特有的价值。最后，数据使用者如果只需要从一人手中购得数据，那将更加省时省力。不过实际情况远远复杂很多，可能还会有一群处在另一方的数据拥有者诞生。因为随着数据价值的显现，很多人会想以数据拥有者的身份大展身手，他们收集的数据往往是和自身相关的，比如他们的购物习惯、观影习惯，也许还有医疗数据等。

　　这使得消费者拥有了比以前更大的权利。消费者可以自行决定把这些数据中的多少授权给哪些公司。当然，不是每个人都只在乎他的数据卖个高价，很多人愿意免费提供这些数据来换取更好的服务，比如想得到亚马逊更准确的图书推荐。但是对于很大一部分对数据敏感的消费者来说，营销和出售他们的个人信息就像写博客、发Twitter信息和危机百科检索一样自然。

　　然而，这一切的发生不只是消费者意识和喜好的转变所能促成的。现在，无论是消费者授权他们的信息还是公司从个人手中购得信息都还过于昂贵和复杂。这很可能会催生一些中间商，它们从众多消费者手中购得信息，然后卖给公司。如果成本够低，而消费者又足够信任这样的中间商，那么个人数据市场就很有可能诞生，这样个人就成功地成为了数据拥有者。美国麻省理工学院媒体实验室的个人数据分析专家桑迪·彭特兰与人一起创办的ID公司已经在致力于让这种模式变为现实。

　　只有当这些数据中间商诞生并开始运营，而数据使用者也开始使用这些数据的时候，消费者才能真正变成数据掌握者。如今，消费者在等待足够设备和适当的数据中间商的数显，在这之前，他们希望自己披露的信息越少越好。总之，一旦条件成熟，消费者就能从真正意义上成为数据掌握者了。

　　不过，大数据对于中等规模公司的帮助并不大。波士顿咨询集团自身技术和商业顾问菲利浦·埃文斯说，超大型的公司占据了规模优势，而小公司则具有灵活性。在传统行业中，中等规模的公司比大公司更有灵活性，比小公司更有规模。但是在大数据时代，一个公司没必要达到某种规模才能支付它的生产设备所需投入，大数据公司发现它们可以是一个灵活的小公司并且会很成功。

　　大数据也会撼动国家竞争力。当制造业已经大幅转向发展中国家，而大家都竞相发展创新行业的时候，工业化国家因为掌握了数据以及大数据技术，所以仍然在全球竞争中占优势。不幸的是，这个又是很难持续的。就像互联网和计算机技术一样，随着世界上的其他国家和地区都开始采用这些技术，西方世界在大数据技术上的领先地位将慢慢消失。对于发达国家的大公司来说，好消息就是大数据会加剧优胜劣汰。所以一旦一个公司掌握了大数据，它不但有可能超过它的对手，还有可能遥遥领先。

　　不过，就算有这么多好处，我们依然有担忧的理由。因为随着大数据能够越来越精确地预测世界的事情以及我们所处的位置，我们可能还没有准备好接受它对我们的隐私和决策过程带来的影响。我们的认识和制度都还不习惯这样一个数据充裕的时代，因为它们都建立在数据稀缺的基础之上。

　　大数据的决策模式

　　当今，各国政府都越来越重视大数据的战略意义，正如奥巴马政府所定位的——“它将是未来的新石油”。大数据目前已进入我国政府政策咨询视野，2015年两会期间，相关提案呈现井喷之势，它的重要性正从科研理论层面转向政府决策层面。

　　一、使决策方式更科学

　　目前，领导干部在决策过程中，对于一些经常出现的问题，多是按照老方法、依循旧案例。而对于一些新发事件和突发事件，更多的是不知所措或者“拍脑门做事”，“想当然思想”严重。如果领导干部只依靠掌握的已有工作经验对事态进行判断与决策，会增大决策难度，降低定位的准确率，加剧战略风险。

　　大数据时代，拥有数据的规模、质量以及收集、分析、利用数据的能力，将决定政府的执政能力，对数据的掌控能力将成为领导干部的决策法宝。领导干部应该通过收集和分析大量事件相关内部和外部数据，获取有价值的信息，建立决策咨询模型，立体化地展现决策方法和手段，进行智能化决策分析。

　　二、使决策路径更多元

　　领导干部的传统决策路径一般为经验决策和政府决策咨询报告两种，均有一定的局限性。经验决策完全取决于领导干部自身的知识结构、文化素质、政治修养、工作作风、性格好恶、人生阅历和历练经历等因素，具有直观感知性、认识表面性、分析问题的非定量性等特点，不同领导干部对待同一问题会有不同处置方式，无法达到最佳决策方案。政府决策咨询一般是通过科研院所针对固定课题，有针对性地进行社会调研和数据分析，进而形成的研究报告。其针对样本数据的研究缺乏普适性，更无法应对情况复杂的突发事件。

　　大数据技术的应用，使决策咨询参照数量庞大、种类众多的海量样本成为可能，并且针对突发事件收集的数据具有实时性和真实性。正因为海量数据纵横交错、相互关联、相互印证，以及数据收集和统计的自动化特性，使得事件的内外诱因和隐含引申的因素得以真实记录。最终通过智能化的挖掘手段，展现事件时间和空间上的特性，供领导干部决策参考。可以看出，基于大数据挖掘的决策咨询路径立足角度更全面、呈现事件本身更客观。

　　三、使决策模式更合理

　　目前，领导干部针对常态工作和突发事件的处理多是成立工作小组，进行相应摸底调研，最终做出决策方案。但这种模式缺乏时效性，极易受时间因素制约，是被动式的决策模式。在大数据时代，影响事态发展的因素越来越不固定，传统的“事后诸葛”决策模式已经难以适应形势的发展变化。而大数据为领导干部实现“事先预测”的决策模式提供了坚实的技术基础。社会的发展不断衍生出很多突发事件。殊不知这些事件的发生也不是绝对的突然，其背后存在着诸多诱发因素，只不过是缺少数据收集和缺乏相关性分析，没能在事件发生前加以掌握和处理。

　　研究认为93%的行为是可以预测的，如果将事件数字化、公式化、模型化，其实多么复杂的事件都是有其可以预知的规律可循，事态的发展走向是极易被预测的。

　　四、使决策能力得到提高

　　决策是领导干部最基本也是最重要的责任。领导干部的决策能力通常包含三个方面的内容：一是警觉性决策能力，即领导干部依据规律、经验或自身的理性分析，寻找发展机会或避开发展陷阱的能力。二是体制性决策能力，即领导干部在规定的体制框架下，通过组织体系、制度体系进行决策的能力。三是规划性决策能力，即领导干部选择、驾驭规划进行有效决策的能力。这三种决策能力是领导干部决策科学化、规范化的基础，而大数据无疑为此提供了决策条件和前提。大数据的应用将不断提高领导干部的决策效率，不断提升领导干部的决策科学性。

　　大数据实现可视化

　　数据可视化，是关于数据视觉表现形式的科学技术研究。其中，这种数据的视觉表现形式被定义为，一种以某种概要形式抽提出来的信息，包括相应信息单位的各种属性和变量。

　　它是一个处于不断演变之中的概念，其边界在不断地扩大。主要指的是技术上较为高级的技术方法，而这些技术方法允许利用图形、图像处理、计算机视觉以及用户界面，通过表达、建模以及对立体、表面、属性以及动画的显示，对数据加以可视化解释。与立体建模之类的特殊技术方法相比，数据可视化所涵盖的技术方法要广泛得多。

　　一、基本思想

　　数据可视化技术的基本思想，是将数据库中每一个数据项作为单个图元元素表示，大量的数据集构成数据图像，同时将数据的各个属性值以多维数据的形式表示，可以从不同的维度观察数据，从而对数据进行更深入的观察和分析。

　　二、基本手段

　　数据可视化主要是借助于图形化手段，清晰有效地传达与沟通信息。但是，这并不就意味着，数据可视化就一定因为要实现其功能用途而令人感到枯燥乏味，或者是为了看上去绚丽多彩而显得极端复杂。为了有效地传达思想观念，美学形式与功能需要齐头并进，通过直观地传达关键的方面与特征，从而实现对于相当稀疏而又复杂的数据集的深入洞察。然而，设计人员往往并不能很好地把握设计与功能之间的平衡，从而创造出华而不实的数据可视化形式，无法达到其主要目的，也就是传达与沟通信息。

　　数据可视化与信息图形、信息可视化、科学可视化以及统计图形密切相关。当前，在研究、教学和开发领域，数据可视化乃是一个极为活跃而又关键的方面。“数据可视化”这条术语实现了成熟的科学可视化领域与较年轻的信息可视化领域的统一。

　　三、发展阶段

　　数据可视化领域的起源，可以追溯到20世纪50年代计算机图形学的早期。当时，人们利用计算机创建出了首批图形图表。

　　1.科学可视化

　　1987年，由布鲁斯·麦考梅克、托马斯·德房蒂和玛克辛·布朗所编写的美国国家科学基金会报告《Visualization in Scientific Computing》 ，对于这一领域产生了大幅度的促进和刺激，这份报告之中强调了新的基于计算机的可视化技术方法的必要性。随着计算机运算能力的迅速提升，人们建立了规模越来越大、复杂程度越来越高的数值模型，从而造就了形形色色体积庞大的数值型数据集。同时，人们不但利用医学扫描仪和显微镜之类的数据采集设备产生大型的数据集，而且还利用可以保存文本、数值和多媒体信息的大型数据库来收集数据。因而，就需要高级的计算机图形学技术与方法来处理和可视化这些规模庞大的数据集。

　　短语“Visualization in Scientific Computing”（“科学计算之中的可视化”）后来变成了“Scientific Visualization”（“科学可视化”），而前者最初指的是作为科学计算之组成部分的可视化，也就是科学与工程实践当中对于计算机建模和模拟的运用。

　　2.信息可视化

　　更近一些的时候，可视化也日益尤为关注数据，包括那些来自商业、财务、行政管理、数字媒体等方面的大型异质性数据集合。20世纪90年代初期，人们发起了一个新的，称为“信息可视化”的研究领域，旨在为许多应用领域之中对于抽象的异质性数据集的分析工作提供支持。因此，21世纪人们正在逐渐接受这个同时涵盖科学可视化与信息可视化领域的新生术语“数据可视化” 。

　　3.数据可视化

　　一直以来，数据可视化就是一个处于不断演变之中的概念，其边界在不断地扩大，因而，最好是对其加以宽泛的定义。数据可视化指的是技术上较为高级的技术方法，而这些技术方法允许利用图形、图像处理、计算机视觉以及用户界面，通过表达、建模以及对立体、表面、属性以及动画的显示，对数据加以可视化解释。与立体建模之类的特殊技术方法相比，数据可视化所涵盖的技术方法要广泛得多。

　　四、相关分析

　　1.数据采集

　　数据采集（有时缩写为DAQ或DAS），又称为“数据获取”或“数据收集”，是指对现实世界进行采样，以便产生可供计算机处理的数据的过程。通常，数据采集过程之中包括为了获得所需信息，对于信号和波形进行采集并对它们加以处理的步骤。数据采集系统的组成元件当中包括用于将测量参数转换成为电信号的传感器，而这些电信号则是由数据采集硬件来负责获取的。

　　2.数据分析

　　数据分析是指为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。数据分析与数据挖掘密切相关，但数据挖掘往往倾向于关注较大型的数据集，较少侧重于推理，且常常采用的是最初为另外一种不同目的而采集的数据。在统计学领域，有些人将数据分析划分为描述性统计分析、探索性数据分析以及验证性数据分析；其中，探索性数据分析侧重于在数据之中发现新的特征，而验证性数据分析则侧重于已有假设的证实或证伪。

　　数据分析的类型包括：

　　（1）探索性数据分析：是指为了形成值得假设的检验而对数据进行分析的一种方法，是对传统统计学假设检验手段的补充。该方法由美国著名统计学家约翰·图基命名。

　　（2）定性数据分析：又称为“定性资料分析”、“定性研究”或者“质性研究资料分析”，是指对诸如词语、照片、观察结果之类的非数值型数据（或者说资料）的分析。

　　2010年后数据可视化工具基本以表格、图形、地图等可视化元素为主，数据可进行过滤、钻取、数据联动、跳转、高亮等分析手段作动态分析。

　　可视化工具可以提供多样的数据展现形式、多样的图形渲染形式、丰富的人机交互方式、支持商业逻辑的动态脚本引擎等。

　　不同于一般的Dashboard或者Reporting产品，永洪科技的BI前端是发现型的：交互手段丰富，分析功能强大。用户可以进一步与数据互动(Interactive)、过滤(Filter)、钻取(Drill)、刷取(Brush)、关联(Associate)、变换(Transform)等技术，让用户能够掌握信息、发现问题、找到答案，并采取行动。

　　3.数据治理

　　数据治理涵盖为特定组织机构之数据创建协调一致的企业级视图（enterprise view）所需的人员、过程和技术，数据治理旨在：

　　（1）增强决策制定过程中的一致性与信心。

　　（2）降低遭受监管罚款的风险。

　　（3）改善数据的安全性。

　　（4）最大限度地提高数据的创收潜力。

　　（5）指定信息质量责任。

　　4.数据管理

　　数据管理，又称为“数据资源管理”，包括所有与管理作为有价值资源的数据相关的学科领域。对于数据管理，DAMA所提出的正式定义是：“数据资源管理是指用于正确管理企业或机构整个数据生命周期需求的体系架构、政策、规范和操作程序的制定和执行过程。”这项定义相当宽泛，涵盖了许多可能在技术上并不直接接触低层数据管理工作（如关系数据库管理）的职业。

　　5.数据挖掘

　　数据挖掘是指对大量数据加以分类整理并挑选出相关信息的过程。数据挖掘通常为商业智能组织和金融分析师所采用；不过，在科学领域，数据挖掘也越来越多地用于从现代实验与观察方法所产生的庞大数据集之中提取信息。

　　数据挖掘被描述为“从数据之中提取隐含的，先前未知的，潜在有用信息的非凡过程”，以及“从大型数据集或数据库之中提取有用信息的科学”。与企业资源规划相关的数据挖掘是指对大型交易数据集进行统计分析和逻辑分析，从中寻找可能有助于决策制定工作的模式的过程。

　　6.电商数据

　　电商数据可视化，获得信息的最佳方式之一是，通过视觉化方式，快速抓住要点信息。另外，电商数据通过视觉化呈现数据，也揭示了令人惊奇的模式和观察结果，是不可能通过简单统计就能显而易见看到的模式和结论。“通过视觉化，我们把信息变成了一道可用眼睛来探索的风景线，一种信息地图。当你在迷失在信息中时，信息地图非常实用。”在电商行业尤为如此。

　　大数据让教育更智能

　　“因材施教”是教育学中的重要原则之一，在大数据的帮助下，个性化的教育方式真正能够成为现实。

　　大数据在教育上的应用首推在线教育。中小学教育资源共享平台“梯子网”日前正式上线。梯子网创始人、董事长龚海燕表示，和其他在线教育平台不同，梯子网的一大特色就是基于大数据的模式创新：“通过数据分析，可以优化学生做题效率，减轻学生课业负担。”具体来说，“就是将梯子网目前拥有的一千多万道题目按照教材版本、章节、知识点、难易程度、考试比重等多重属性精确定位，再根据学生们做题时的正确率，向水平不同、知识薄弱点不同的学生推荐”。

　　同样在在线教育领域，主打公务员考试、司法考试等成人职业资格考试的“猿题库”同样将大数据作为自己的卖点。猿题库副总裁李鑫表示：“猿题库的大数据处理主要基于两个方面，一是对用户本身的数据分析，二是有一个准确难度分布的题目库。”他表示，通过这些数据分析，“猿题库”也推出了被称为“智能练习”的产品，通过匹配答题情况和考试要求，向学生推荐需要强化的题目类型，同时还会将学生整个答题过程记录下来，实时评估他的能力变化，以报告的形式告诉学生其能力增长曲线。

　　明确的商业模式让在线教育中的大数据应用最为成熟，但大数据对教育的帮助还不仅限于此。在学校教育中，除了考试成绩外，包括作业的正确率、课外活动的参与率，甚至回答问题的举手次数、正确回答一个问题所需时长，这些都能成为改进教学的有用数据，对这些数据进行专门的收集、分类、整理和统计，就形成了大数据。同时这些数据还可以通过互联网进行整合和共享，从而帮助不同地区之间共享教育资源。

　　从目前的实践来看，在海外各国的教育信息化平台运营管理中,数据挖掘已经成为提高教学管理质量与水平的一种有力工具。在美国的教育云平台上，已有一套完整的数据分析系统，通过这一系统，美国学校能够以超过80%的准确率预测学生的升学情况。